Inanunsyo ng Runway ang pagpapakilala sa Praxis-1, isang modelo ng pagkilos ng robot na ayon sa kumpanya ay nakabatay sa malawakang paunang pagsasanay sa video na ginamit sa mga world model nito. Iniulat ng kumpanya na sinubukan ito kasama ng piling mga kasosyo sa robotics gamit ang sarili nilang mga makina. Plano nitong ilabas sa publiko ang mga weight ng modelo sa mga susunod na buwan; wala pa ang mga ito sa pahina ng anunsyo nang tingnan ito ng BIG CHANGE noong Oktubre 3. Setyembre 2026 ang petsang nakasaad sa pahina ng Runway, ngunit walang tiyak na araw.

Ang tanong ay kung makapagbibigay ang karaniwang mga video ng kapaki-pakinabang na kaalaman sa modelo ng pagkilos ng robot bago ito matuto mula sa mga demonstrasyon ng robot. Naglahad ang Runway ng paghahambing sa error sa paglalagay at ng mga piling clip ng gawain. Hindi pa nailalathala ang mga detalyeng kailangan para maulit ang resulta.

Ang malaking pagbabago

  • Ano ang nagbago: Inilalapat na ng Runway ang paunang pagsasanay sa video sa paghula ng kilos ng robot at nag-uulat ng mga pagsubok sa iba’t ibang uri ng hardware ng mga partner. Posibleng paraan ito para magamit ang saganang video mula sa pananaw ng ikatlong tao sa larangang mahal ang pangangalap ng datos mula sa mga demonstrasyon ng robot. Piling grupo pa lamang ang may access sa Praxis-1.
  • Bakit ito mahalaga: Iniulat sa tsart ng Runway ang final placement error pagkatapos ng fine-tuning: 16.1 cm para sa paunang pagsasanay sa bidyo mula sa web at 16.0 cm para sa paunang pagsasanay sa bidyo ng robot na pinatatakbo nang malayuan. Magkalapit ang ipinakitang point estimate. Hindi pinatutunayan ng mga bar na ±1 SEM sa 93 pares ng pagsusuri ang makabuluhang pagkakaiba o pagkakapantay-pantay, at kulang ang nailathalang protocol para mataya ang performance sa ibang robot.
  • Ano ang dapat bantayan: Makakatulong sa mga mananaliksik na suriin kung gaano kalaki ang ambag ng paunang pagsasanay sa video at kung anong pag-aangkop ang kailangan ng bawat robot kapag inilabas ang pampublikong weights, mga detalye ng pagsusuri sa antas ng gawain, at mga resulta mula sa mga partner. Nangako ang Runway na ilalabas ang weights, ngunit wala itong ibinigay na tiyak na petsa.

Paano ginagamit ang video sa policy

Ayon sa pahina ng pananaliksik ng Runway tungkol sa Praxis-1, natututo ang malalaking video model nito ng mga padron sa kilos ng bagay, galaw ng kamay at mga pisikal na gawain. Sinasabi ng kumpanya na isinasama ng Praxis-1 ang paunang pagsasanay na ito sa isang pangkalahatang modelo ng pagkontrol sa robot. Ayon sa paliwanag nito, maaaring magsilbing kapaki-pakinabang na panimula ang video mula sa pananaw ng ikatlong tao bago ang pagsasanay ng robot para sa partikular na gawain. Sinasabi sa pahina na bumubuti ang performance ng modelo habang dinaragdagan ang video mula sa pananaw na ito.

Hindi inilalarawan sa pahina ang format ng obserbasyon, output ng kilos, proseso ng fine-tuning, interface para sa inference, o dalas ng pagkontrol ng Praxis-1. Wala ring mga file ng weights o kinakailangan sa hardware. Mahalaga ang mga kakulangang ito sa mga inhinyerong nagtataya kung anong pag-aangkop ang kailangan para sa partikular na camera, gripper, o mobile base. Mayroon ding hiwalay na pahina ng produkto ng Runway para sa GWM-1 na modelo ng pagkontrol ng robot na naglalarawan ng pasadyang fine-tuning at cloud SDK. Hindi dapat ipalagay na para rin sa Praxis-1 ang interface at mga tuntuning pangkomersiyo nito.

Ipinapakita sa mga clip ng Runway ang utos na ilagay ang bolang pang-tennis, paglapit ng mobile base sa estante at pagkuha ng aklat, at mga halimbawang may magkakaparehong bagay, kalat, materyales na malinaw o translucent, at tela. May isa pang clip na may paliwanag na inililipat ng iisang policy ang robot mula studio patungong kusina nang hindi muling sinasanay. Mga halimbawang pinili ng developer ang mga ito; walang iniulat ang pahina na bilang ng mga pagsubok o success rate.

Ano ang sinasabi ng tsart tungkol sa error sa paglalagay

Ang tanging paghahambing na may numerong inilathala sa pahina ng Runway ay ang error sa huling paglalagay pagkatapos ng fine-tuning, na sinusukat sa sentimetro; mas mababa ang mas mahusay. Ipinapakita sa tsart ang paunang pagsasanay mula sa simula gamit ang video mula sa web na may 16.1 cm at paunang pagsasanay mula sa simula gamit ang video ng robot na pinatatakbo nang malayuan na may 16.0 cm. Ipinapakita ng Runway ang oras ng paunang pagsasanay sa video at sinasabing kumakatawan ang mga error bar at band sa ±1 karaniwang error ng mean sa 93 pares ng pagsusuri. Ayon sa paliwanag nito, hindi makabuluhan ang mga pagkakaibang mas maliit sa isang bar.

May 0.1 cm na agwat sa ipinakitang point estimate. Hindi inilathala ng Runway sa pahinang ito ang halo ng mga gawain, bilang ng robot o kapaligiran, paraan ng pagbuo sa 93 pares, dami ng datos ng robot na ginamit sa fine-tuning, o kumpletong pagsusuring estadistikal. Sa paghahambing na pinili ng Runway, magkalapit ang iniulat na final placement error pagkatapos ng fine-tuning. Hindi pinatutunayan ng tsart ang makabuluhang pagkakaiba ayon sa estadistika o pagkakapantay-pantay para sa sukat na iyon. Hindi rin nito ipinakikitang maaasahang natatapos ang mas mahahabang gawaing nasa mga clip o nababawasan ang pangangailangan sa datos mula sa aktuwal na deployment.

Binabanggit din ng Runway ang 0.95 na correlation sa pagitan ng mga resulta ng policy ng robot sa simulation at sa totoong mundo. Galing ang bilang na ito sa nauna nitong pananaliksik sa pagsusuri ng policy, kung saan niranggo ang walong policy sa mga gawaing tabletop gamit ang iisang Franka Panda arm. Hiwalay itong pag-aaral sa pagsusuri ng policy, hindi sukat ng performance ng Praxis-1 sa aktuwal na field.

Ano ang kasalukuyang access

Pinangalanan ng Runway ang Noble Machines, Standard Bots, at Ultra bilang mga naunang partner na gumagamit ng Praxis-1 sa sarili nilang hardware. Binabanggit sa anunsyo ang manipulasyong gamit ang dalawang kamay, isang arm na may anim na degree of freedom, at mobile base. Sinasabi ng Runway na sinusuri nito ang bisa at kaligtasan sa iba’t ibang anyo ng robot at kapaligiran bago maging pangkalahatang available ang produkto, at inaanyayahan nitong makipag-ugnayan sa robotics team nito ang iba pang piling partner.

Para sa mga mananaliksik na wala sa programang iyon, ang makukuhang materyal ay ang anunsyo, tsart, at mga clip. Walang pampublikong download ng weights ng Praxis-1, nailathalang pamamaraan ng integration, o reproducible na pakete ng pagsusuri na naka-link sa pahina. Hindi tinutukoy ng Runway ang bayad sa maagang access, lisensiya ng weights sa hinaharap, kinakailangang compute, o petsa ng pangkalahatang paglabas. Maaaring gamitin ng pangkat na nag-iisip sumali sa maagang access ang pampublikong impormasyon para talakayin ang sarili nitong hardware at pangangailangan sa pagsusuri, ngunit hindi nito mauulit ang iniulat na paghahambing mula sa anunsyo lamang. Hindi humiling ng access o sumubok ng robot ang BIG CHANGE.

Sinusuri sa mga nauna naming ulat tungkol sa GPT-Policy at HomeBody ang magkakaibang tanong sa pananaliksik. Nag-uutos ang GPT-Policy sa isang nakapirming vision-language model gamit ang mga demonstrasyon at feedback mula sa robot; iniuugnay naman ng HomeBody ang alaala nito sa mga silid sa mga paulit-ulit na magagamit na kasanayan. Sinusuri ng Praxis-1 kung mapagbubuti ng malawakang paunang pagsasanay sa video ang mismong policy. Hindi pa inilalabas ng Runway ang implementasyon o sapat na detalye ng pagsusuri para masuri ang performance nito lampas sa iniulat na paghahambing.

Mga sanggunian at karagdagang babasahin